Fugu-MT 論文翻訳(概要): Occlusion Aware Kernel Correlation Filter Tracker using RGB-D

論文の概要: Occlusion Aware Kernel Correlation Filter Tracker using RGB-D

arxiv url: http://arxiv.org/abs/2105.12161v1
Date: Tue, 25 May 2021 18:37:39 GMT
ステータス: 処理完了
システム内更新日: 2021-05-27 13:35:23.773370
Title: Occlusion Aware Kernel Correlation Filter Tracker using RGB-D
Title（参考訳）: RGB-Dを用いたOcclusion Aware Kernel correlation Filter Tracker
Authors: Srishti Yadav
Abstract要約: この論文はまず、カーネル化相関フィルタトラッカーの動作プロトタイプについて詳述する。リアルタイムアプリケーションにおけるその有効性と可視化支援について検討する。また,粒子フィルタを用いてトラッカーの精度を向上させることも検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Unlike deep learning which requires large training datasets, correlation filter-based trackers like Kernelized Correlation Filter (KCF) uses implicit properties of tracked images (circulant matrices) for training in real-time. Despite their practical application in tracking, a need for a better understanding of the fundamentals associated with KCF in terms of theoretically, mathematically, and experimentally exists. This thesis first details the workings prototype of the tracker and investigates its effectiveness in real-time applications and supporting visualizations. We further address some of the drawbacks of the tracker in cases of occlusions, scale changes, object rotation, out-of-view and model drift with our novel RGB-D Kernel Correlation tracker. We also study the use of particle filters to improve trackers' accuracy. Our results are experimentally evaluated using a) standard dataset and b) real-time using the Microsoft Kinect V2 sensor. We believe this work will set the basis for a better understanding of the effectiveness of kernel-based correlation filter trackers and to further define some of its possible advantages in tracking.
Abstract（参考訳）: 大規模なトレーニングデータセットを必要とするディープラーニングとは異なり、KCF(Kernelized correlation Filter)のような相関フィルタベースのトラッカーは、トラックされた画像(循環行列)の暗黙的な特性をリアルタイムでトレーニングする。追跡における実用的な応用にもかかわらず、理論的、数学的、実験的にkcfに関連する基礎をよりよく理解する必要がある。この論文はまず、トラッカーの動作プロトタイプを詳述し、リアルタイムアプリケーションにおけるその効果と可視化のサポートについて検討する。さらに, 咬合, スケール変化, 物体回転, アウトオブビュー, モデルドリフトなどの問題点についても, rgb-d kernel correlation tracker を用いて検討した。また,粒子フィルタを用いてトラッカーの精度を向上させることも検討した。この結果は、a)標準データセットとb)Microsoft Kinect V2センサーを用いて、リアルタイムに評価される。この研究は、カーネルベースの相関フィルタトラッカーの有効性をよりよく理解し、追跡におけるいくつかの利点を更に定義するための基盤となると信じている。

関連論文リスト

Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-07-19T07:48:45Z)
Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
論文参考訳（メタデータ） (2024-03-26T12:31:58Z)
Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
論文参考訳（メタデータ） (2024-02-15T10:47:44Z)
iKUN: Speak to Trackers without Retraining [21.555469501789577]
市販トラッカーとの通信を実現するため,iKUNと呼ばれる挿入可能な知識統一ネットワークを提案する。局所化精度を向上させるために,プロセスノイズを動的に調整するKalman filter (NKF) のニューラルバージョンを提案する。また、パブリックなDanceTrackデータセットをモーションとドレッシング記述で拡張することで、より困難なデータセットであるRefer-Danceにもコントリビュートしています。
論文参考訳（メタデータ） (2023-12-25T11:48:55Z)
UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-19T16:26:25Z)
Learning Dual-Fused Modality-Aware Representations for RGBD Tracking [67.14537242378988]
従来のRGBオブジェクトトラッキングと比較して、奥行きモードの追加は、ターゲットとバックグラウンドの干渉を効果的に解決することができる。既存のRGBDトラッカーでは2つのモードを別々に使用しており、特に有用な共有情報は無視されている。 DMTracker(Dual-fused Modality-aware Tracker)を提案する。DMTrackerは,RGBDのロバストな追跡のために,対象対象物の情報的および識別的表現を学習することを目的としている。
論文参考訳（メタデータ） (2022-11-06T07:59:07Z)
Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文参考訳（メタデータ） (2021-11-23T03:07:12Z)
MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文参考訳（メタデータ） (2021-07-22T03:10:51Z)
Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
論文参考訳（メタデータ） (2021-04-07T13:35:01Z)
Coarse-to-Fine Object Tracking Using Deep Features and Correlation Filters [2.3526458707956643]
本稿では,新しいディープラーニング追跡アルゴリズムを提案する。対象の翻訳を大まかに推定するために,深層特徴の一般化能力を利用する。そして,相関フィルタの識別力を利用して追跡対象を正確に局所化する。
論文参考訳（メタデータ） (2020-12-23T16:43:21Z)
Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
論文参考訳（メタデータ） (2020-08-09T10:22:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。